Scrapy项目创建以及目录详情

Scrapy项目创建已经目录详情

一、新建项目(scrapy startproject)

• 在开始爬取之前，必须创建一个新的Scrapy项目。进入自定义的项目目录中，运行下列命令：

PS C:\scrapy> scrapy startproject sp1

You can start your first spider with:
    cd sp1
    scrapy genspider example example.com

• scrapy.cfg # 项目的配置文件
• sp1/ # 项目的Python模块，将会从这里引用代码
• sp1/items.py # 项目的目标文件
• sp1/pipelines.py # 项目的管道文件用于文件持久化
• sp1/settings.py # 项目的设置文件
• sp1/middlewares.py # 中间件
• sp1/spiders/ # 存储爬虫代码目录

settings.py内容详情

settings.py

# 项目名
BOT_NAME = 'sp1'

# 爬虫所在的位置
SPIDER_MODULES = ['sp1.spiders']
NEWSPIDER_MODULE = 'sp1.spiders'

# 爬虫是否遵循 robots 协议
ROBOTSTXT_OBEY = False

# 爬虫的并发量 默认 16 个
# CONCURRENT_REQUESTS = 32

# 下载延时 3 s
#DOWNLOAD_DELAY = 3

# 是否禁用cookies  默认不禁用
#COOKIES_ENABLED = False        # 表示为禁用

# 请求包头
DEFAULT_REQUEST_HEADERS = {
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
    # 语言可以关闭,按照服务器返回值为准
    # 'Accept-Language': 'en',
}

# 下载中间件,值越小优先级越高
DOWNLOADER_MIDDLEWARES = {
   'sp1.middlewares.Sp1DownloaderMiddleware': 543,
}

# 下载后的数据如何处理，存储过程
ITEM_PIPELINES = {
   'sp1.pipelines.FilePipeline': 300,
}

创建一个爬虫文件

在当前目录下输入命令，将在sp1/spider目录下创建一个名为itcast的爬虫，并指定爬取域的范围：

PS C:\scrapy> cd sp1
# scrapy genspider关键字    chouti 爬虫名         chouti.com 一般指定站点域名
PS C:\scrapy\sp1> scrapy genspider chouti chouti.com
Created spider 'chouti' using template 'basic' in module:
  sp1.spiders.chouti

通过pycharm调试scrapy项目

1.使用pycharm打开项目

2.在项目等级目录创建main.py

from scrapy.cmdline import execute

import sys
import os

BASE_DIR = os.path.dirname(os.path.abspath(__file__))

print(BASE_DIR)

execute(["scrapy","crawl","chouti"])